时间序列

1.一阶差分指数平滑法

17.时间序列(下)_数据


例题

17.时间序列(下)_数据_02


17.时间序列(下)_数据_03


ranliao.txt

24
26
27
30
32
33
36
40
41
44

matlab代码:

clc,clear
yt=load('ranliao.txt'); %实际燃料消耗量数据以列向量的方式存放在纯文本文件中
n=length(yt); alpha=0.4;
dyt=diff(yt); %求yt的一阶向前差分
dyt=[0;dyt]; %这里使用的是一阶向后差分,加“0”补位
dyhat(2)=dyt(2); %指数平滑值的初始值
for i=2:n
dyhat(i+1)=alpha*dyt(i)+(1-alpha)*dyhat(i);
end
for i=1:n
yhat(i+1)=dyhat(i+1)+yt(i);
end
yhat
xlswrite('ranliao.xls',[yt,dyt])
xlswrite('ranliao.xls',[dyhat',yhat'],'Sheet1','C1')

2.二阶差分指数平滑模型

17.时间序列(下)_数据_04

3.季节系数法

17.时间序列(下)_差分_05


17.时间序列(下)_差分_06


例题

17.时间序列(下)_时间序列_07


jijie.txt

137920  186742  274561  175433
142814 198423 265419 183521
131002 193987 247556 169847
157436 200144 283002 194319
149827 214301 276333 185204

matlab代码

clc, clear
format long g
a=load('jijie.txt');
[m,n]=size(a);
a_mean=mean(mean(a)); %计算所有数据的算术平均值
aj_mean=mean(a); %计算同季节的算术平均值
bj=aj_mean/a_mean %计算季节系数
w=1:m;
yhat=w*sum(a,2)/sum(w) %预测下一年的年加权平均值,这里是求行和
yjmean=yhat/n %计算预测年份的季节平均值
yjhat=yjmean*bj %预测年份的季节预测值
format

4.平稳时间序列

17.时间序列(下)_数据_08


17.时间序列(下)_差分_09


17.时间序列(下)_时间序列_10


17.时间序列(下)_差分_11


17.时间序列(下)_时间序列_12


17.时间序列(下)_数据_13


17.时间序列(下)_时间序列_14


17.时间序列(下)_差分_15


17.时间序列(下)_时间序列_16


17.时间序列(下)_时间序列_17


17.时间序列(下)_差分_18

5.ARMA 时间序列

17.时间序列(下)_数据_19


1.AR( p) 序列

17.时间序列(下)_差分_20


2.MA(q) 序列

17.时间序列(下)_时间序列_21


3.ARMA( p, q) 序列

17.时间序列(下)_数据_22


17.时间序列(下)_时间序列_23


讨论

17.时间序列(下)_差分_24


这里内容太多,我拍博客写爆了,若竞赛中遇到,具体可以参考数学建模算法和应用(司守奎)501-531页内容

​返回目录​

​下一篇:18.微分方程模型​